个性化AI驱动的搜索的三个障碍是什么？
来源：CPDA数据分析师网 / 作者：数据君 / 时间：2021-05-06
输入人工智能（AI）
企业可以应用AI解决与搜索相关的挑战，从而使品牌能够提供有意义的数字体验，在将AI应用于搜索时，许多组织都发现这项任务非常复杂且具有挑战性，技术认为AI难以掌握。他们认为这是一种未经“标准化”的技术，有时会产生无法解释的结果，人工智能也是一项技术，需要特定的专业知识来实施，以及大量的测试，迭代和微调，采用AI驱动的搜索的障碍是什么，我们如何开始解决这些障碍？
让我们讨论说“人工智能驱动的搜索”的含义
搜索本质上是复杂的，用户行为不断变化，数据却不断扩展（但还不完善），尽管AI可以帮助简化搜索过程并提高搜索结果的准确性，但AI并不是一种神奇的“千篇一律”的解决方案。但是我们可以通过逐步解决方法来解决许多搜索的复杂性。我们希望构建一个更智能的搜索引擎，并从用户行为中学习，人工智能应允许公司部署量身定制的数字体验，该体验由透明度，自然语言理解和个性化驱动，终我们希望人们能在前三个搜索结果中始终找到他们想要的东西，理想情况下，我们希望他们获得的答案。
公司与其以AI为动力的搜索目标之间的障碍是什么？
1.没有一种实现AI的标准方法。这意味着有很多与AI相关的不同技术和工具，并且每种技术和工具都很难掌握，企业对AI的期望与AI实际可以做什么之间也存在期望不匹配的情况，有时一个问题或用例需要分解为现有的AI技术可以解决的一系列更小，更具体的问题，例如搜索存在多个问题：数据丰富/清理问题，自然语言处理难题，同义词差异，查询理解断开等。目前，不存在能够一次性解决所有这些问题的单个AI算法，没有AI标准，将问题映射到特定技术可能是一个挑战，采用人工智能需要大量的专业知识，测试和昂贵的资源。考虑一下用于访问和使用数据库的SQL标准，我认为与AI相关的等同于SQL标准仍然遥遥无期。就目前而言，有一些提议的标准显示了希望，但是没有一个易于使用并且适用于多个AI问题/用例的标准。
缺乏AI标准可能会导致缺乏AI透明性
并且没有AI算法始终保持100％正确，换句话说我们可能无法确切地理解为什么AI做出特定决定或得出特定结果，这在搜索中是有问题的，就像我们不知道为什么系统得出特定结果一样，我们无法调整或更改配置，如果显示错误的产品，则意味着失去了商机，企业不仅需要一种方法来理解搜索结果，还需要一种方法来调整和验证与其特定品牌相关的特定查询，理想情况下，非技术企业所有者将能够了解为什么他们的透明AI排名结果与以前一样，同时这些企业主将能够基于用户行为接受，拒绝和/或覆盖AI建议。
3.随着客户行为的不断变化
基于人工智能的搜索是一项不断变化的工作，当客户搜索品牌的网站时，与其说是问答交易，不如说是购买的旅程，一个特定的查询可能取决于上下文，情况和用户而具有不同的含义。通常，客户花费更多的时间来查找所需的产品表明相关性较差，而相关性越高，则应立即产生的结果，当我们考虑发现时，我们不会使用相同的指标，我们更多地关注客户与产品的互动，以及客户如何做出终选择，我们可以提出一些我们认为客户想要的项目，并且对用户，位置和设备的个性化越好，然后可以在终购买之前单击两个项目。理想情况下，如果确定可以触发所需的操作，我们将建议一项。
AI需要什么来为客户的发现体验计算一个相关的答案（或潜在的答案）
并提出有关互补产品或配件的进一步相关建议？许多信号和一个反馈回路，我们需要考虑客户的行为和个人行为，这样可以增强数据充实度（不断清理，增强和更新数据），从而使我们可以更全面地了解客户，而这反过来又与客户保持了持续不断的实时反馈循环，从而推动了AI驱动的搜索和查询理解，但是这个难题的每个部分都需要不同的AI工具，没有一种技术可以始终解决所有问题。
考虑到上述基于AI的搜索的潜在障碍
企业可以应用AI解决与搜索相关的挑战，从而使品牌能够提供有意义的数字体验，在将AI应用于搜索时，许多组织都发现这项任务非常复杂且具有挑战性，技术认为AI难以掌握。他们认为这是一种未经“标准化”的技术，有时会产生无法解释的结果，人工智能也是一项技术，需要特定的专业知识来实施，以及大量的测试，迭代和微调，采用AI驱动的搜索的障碍是什么，我们如何开始解决这些障碍？
让我们讨论说“人工智能驱动的搜索”的含义
搜索本质上是复杂的，用户行为不断变化，数据却不断扩展（但还不完善），尽管AI可以帮助简化搜索过程并提高搜索结果的准确性，但AI并不是一种神奇的“千篇一律”的解决方案。但是我们可以通过逐步解决方法来解决许多搜索的复杂性。我们希望构建一个更智能的搜索引擎，并从用户行为中学习，人工智能应允许公司部署量身定制的数字体验，该体验由透明度，自然语言理解和个性化驱动，终我们希望人们能在前三个搜索结果中始终找到他们想要的东西，理想情况下，我们希望他们获得的答案。
公司与其以AI为动力的搜索目标之间的障碍是什么？
1.没有一种实现AI的标准方法。这意味着有很多与AI相关的不同技术和工具，并且每种技术和工具都很难掌握，企业对AI的期望与AI实际可以做什么之间也存在期望不匹配的情况，有时一个问题或用例需要分解为现有的AI技术可以解决的一系列更小，更具体的问题，例如搜索存在多个问题：数据丰富/清理问题，自然语言处理难题，同义词差异，查询理解断开等。目前，不存在能够一次性解决所有这些问题的单个AI算法，没有AI标准，将问题映射到特定技术可能是一个挑战，采用人工智能需要大量的专业知识，测试和昂贵的资源。考虑一下用于访问和使用数据库的SQL标准，我认为与AI相关的等同于SQL标准仍然遥遥无期。就目前而言，有一些提议的标准显示了希望，但是没有一个易于使用并且适用于多个AI问题/用例的标准。
缺乏AI标准可能会导致缺乏AI透明性
并且没有AI算法始终保持100％正确，换句话说我们可能无法确切地理解为什么AI做出特定决定或得出特定结果，这在搜索中是有问题的，就像我们不知道为什么系统得出特定结果一样，我们无法调整或更改配置，如果显示错误的产品，则意味着失去了商机，企业不仅需要一种方法来理解搜索结果，还需要一种方法来调整和验证与其特定品牌相关的特定查询，理想情况下，非技术企业所有者将能够了解为什么他们的透明AI排名结果与以前一样，同时这些企业主将能够基于用户行为接受，拒绝和/或覆盖AI建议。
2. AI并不是自动的“药”
创建由AI驱动的搜索解决方案需要大量的测试，试验和发展，建立以AI为动力的搜索解决方案的步是要明确定义要解决的问题，一个解决方案可能会映射到一个问题，而不是另一个问题，而这需要您重做实验过程，特定算法（通过大量资源和大量数据），该算法针对一个特定问题（推荐特定电视节目）进行了优化，Netflix可以继续与新客户一次又一次地优化此算法。公司还可以购买现成的解决方案，其中包含现有软件，该软件包含针对特定问题的AI技术（例如，用于分析求职者简历的HR解决方案），面临的挑战是确定您的AI搜索问题是否需要定制的，现成的或混合的方法（稍后会详细介绍）。
3.随着客户行为的不断变化
基于人工智能的搜索是一项不断变化的工作，当客户搜索品牌的网站时，与其说是问答交易，不如说是购买的旅程，一个特定的查询可能取决于上下文，情况和用户而具有不同的含义。通常，客户花费更多的时间来查找所需的产品表明相关性较差，而相关性越高，则应立即产生的结果，当我们考虑发现时，我们不会使用相同的指标，我们更多地关注客户与产品的互动，以及客户如何做出终选择，我们可以提出一些我们认为客户想要的项目，并且对用户，位置和设备的个性化越好，然后可以在终购买之前单击两个项目。理想情况下，如果确定可以触发所需的操作，我们将建议一项。
AI需要什么来为客户的发现体验计算一个相关的答案（或潜在的答案）
并提出有关互补产品或配件的进一步相关建议？许多信号和一个反馈回路，我们需要考虑客户的行为和个人行为，这样可以增强数据充实度（不断清理，增强和更新数据），从而使我们可以更全面地了解客户，而这反过来又与客户保持了持续不断的实时反馈循环，从而推动了AI驱动的搜索和查询理解，但是这个难题的每个部分都需要不同的AI工具，没有一种技术可以始终解决所有问题。
考虑到上述基于AI的搜索的潜在障碍
公司如何开始解决这些问题？公司如何评估哪种AI实施类型适合其业务？ 步涉及确定AI可以解决的一小部分特定于业务的问题，从那里我们可以决定购买现成的软件是否，是否应该在内部构建自己的解决方案，还是应该采用“构建并购买”的方法，在这种情况下，我们只能构建业务的解决方案部分，在这里基于API的解决方案的日益普及可以为开发人员带来所有不同，API可以满足他们所处的开发人员的需求，可以通过减少后端流程的数量并允许他们重新进行构建，试验和迭代来购买以更快地构建，终我们应该有一个目标：提供一种数字化体验，指导客户何时，何地以及如何获得正确的信息。
商业联合会数据分析专业委员会
京公网安备 11010502034401号
课程体系 
试听申请 
复听申请 
在线报名 
考试大纲 
考试报名 
准考证打印 
